LWM

Large World Model（LWM）是一个面向长上下文的通用多模态自回归模型，支持文本、图像与视频的联合理解与生成。其核心技术包括RingAttention架构、掩码序列打包和动态损失加权，可高效处理高达100万token的超长上下文，在百万级文本检索、小时级视频问答、图文对话及文生图/视频等任务中表现突出。适用于需要深度多模态长时序建模的研究与应用，如教育视频分析、长文档智能摘要、跨模态内容生成等场景。